在现代战争中,防空技术和防空体系不断进步,无人机依靠其机动性强、隐蔽性好、成本小的特点成为军事领域的有效武器。无人机的航迹规划和任务分配作为军事战争的关键技术得到了越来越多的关注。一方面由于无人机面对复杂多变的战场环境时,有的情况下不能对当前形势迅速地做出全面准确的判断,需要自适应地改变作战方案;另一方面防空技术越来越先进、防空体系越来越完善,对无人机的作战要求越来越高,因此将平行系统理念应用于无人机协调规划成为新的研究热点。本文针对无人机航迹规划和任务分配以及在平行系统中的应用提出了具体的解决方案如下:(1)无人机的协同航迹规划不仅要考虑周围环境的威胁和无人机自身性能的约束,还要满足无人机之间的时间协同要求。为了降低问题的规划难度,通常采用双层结构进行协同航迹规划,即航迹规划层和协同规划层。然后提出将免疫克隆算法应用于航迹规划层,建立威胁代价和燃油消耗代价两个目标函数。在初始化过程中引入导引因子和启发因子来引导产生高质量的初始抗体,加快收敛速度;在免疫基因操作中考虑航迹节点之间的关系,提高抗体的可行性;然后在抗体修正过程中修正一些有潜力的不可行抗体,增加抗体群的多样性。通过航迹规划层得到无人机的候选航迹后,在协同规划层设计不同航迹之间的协同函数,根据协同代价最小和时间协同的原则确定最终的协同方案。(2)多无人机的任务分配不仅要对每架无人机进行任务分配,还要考虑无人机队伍与目标群体之间的匹配。为了降低规划难度,通常将任务分配问题分解成三个子问题,即目标聚类、聚类分配和目标分配。首先采用k均值聚类将战场中的目标聚类成不同的目标群体,然后采用匈牙利算法对各支无人机队伍与不同的目标群体进行聚类分配,最后采用基于增加收益矩阵的自适应蚁群算法对各无人机队伍内部进行目标分配。在提出的基于增加收益矩阵的自适应蚁群算法中,首先在初始化阶段构建增加收益矩阵,优化转移概率的更新,加快收敛速度;然后在每次迭代过程中加入2-opt优化扩大搜索范围;最后设置信息素的最大最小范围,并引入自适应因子自动调节挥发系数的大小,从而平衡算法的全局搜索能力和收敛速度。(3)构建无人机协同航迹规划的平行仿真系统,首先建立MFC界面,将Matlab构建的人工仿真系统与电子地图模拟的实际作战系统进行连接,收集实际作战系统中的数据建立人工仿真系统,通过计算实验得到评估指标最优的航迹规划方案,传递给实际作战系统进行运行,进行实时地动态演示,然后不断调整航迹规划算法的参数和模型参数,修正人工仿真系统,重新进行方案推演和辅助决策,从而达到平行执行的效果。